爬虫之header

有些网站不会赞成程序直接用上面的方式进行访问，若是识别有问题，那么站点根本不会响应，因此为了彻底模拟浏览器的工做，咱们须要设置一些Headers 的属性。

首先，打开咱们的浏览器，调试浏览器F12，我用的是Chrome，打开网络监听，示意以下，好比知乎，点登陆以后，咱们会发现登录以后界面都变化了，出现一个新的界面，实质上这个页面包含了许许多多的内容，这些内容也不是一次性就加载完成的，实质上是执行了好屡次请求，通常是首先请求HTML文件，而后加载JS，CSS 等等，通过屡次请求以后，网页的骨架和肌肉全了，整个网页的效果也就出来了。

简书著做权归做者全部，任何形式的转载都请联系做者得到受权并注明出处。
拆分这些请求，咱们只看一第一个请求，你能够看到，有个Request URL，还有headers，下面即是response，图片显示得不全，小伙伴们能够亲身实验一下。那么这个头中包含了许许多可能是信息，有文件编码啦，压缩方式啦，请求的agent啦等等。

其中，agent就是请求的身份，若是没有写入请求身份，那么服务器不必定会响应，因此能够在headers中设置agent,例以下面的例子，这个例子只是说明了怎样设置的headers，小伙伴们看一下设置格式就好。

import urllib
import urllib2

url = 'http://www.server.com/login'
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
values = {'username' : 'cqc', 'password' : 'XXXX' }
headers = { 'User-Agent' : user_agent }
data = urllib.urlencode(values)
request = urllib2.Request(url, data, headers)
response = urllib2.urlopen(request)
page = response.read()

这样，咱们设置了一个headers，在构建request时传入，在请求时，就加入了headers传送，服务器若识别了是浏览器发来的请求，就会获得响应。

另外，咱们还有对付”反盗链”的方式，对付防盗链，服务器会识别headers中的referer是否是它本身，若是不是，有的服务器不会响应，因此咱们还能够在headers中加入referer

例如咱们能够构建下面的headers
headers = { 'User-Agent' : 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)' ,
'Referer':'http://www.zhihu.com/articles' }